Поскольку я выполняю байесовскую оптимизацию гиперпараметров, которая имеет вложенные функции, мне нужно найти способ более или менее «игнорировать» некоторые функции для некоторых образцов при настройке гуассианского процесса.
Причина этого потому что иногда функция / параметр не активна для конкретного сэмпла / конфигурации и не влияет на целевой вывод.
Самый базовый c пример будет выглядеть примерно так:
sample output
1 [0, 1] -> 4
2 [?, 3] -> 5
Здесь мой второй пример имеет функцию, которая никак не влияет на вывод. Тем не менее, в первом примере эта функция активна и влияет на вывод. Они оба представляют собой одно и то же пространство параметров, несмотря на то, что иногда выборки будут иметь разные размеры / количество активных объектов.
Если я введу случайное число, я думаю, что это усложнит процесс поиска, так как BO теперь оптимизирует функции, которые не влияют на цель.
Когда я использую GPR sklearn, и я пытаюсь соответствовать образцам, подобным показанным выше, я получаю ошибку, что образец не может содержать нули, если я пытаюсь просто поместить ноль в отсутствующий feature.
Есть ли хороший способ справиться с отсутствующими функциями при установке на gpr?